Rethinking Longitudinal Research on Canadian Immigrant Health: Methodological Insights, Emerging Challenges, and Future Considerations
Notice bibliographique
Résumé
Longitudinal research provides critical insights into the evolving health trajectories of immigrants, capturing changes from initial arrival through to long-term settlement. However, longitudinal studies on immigrant health in Canada face persistent methodological challenges that limit their impact and policy relevance. This review critically examines 34 peer-reviewed articles, published between 1996 and 2024, that employed longitudinal data to investigate physical and mental health outcomes among Canadian immigrants. We identify key methodological limitations, including a heavy reliance on earlier datasets (71% of studies used data collected between 1994 and 2007), oversimplified outcome measures (e.g., collapsing continuous or Likert-scale variables into dichotomous categories without clear justification), the limited use of appropriate longitudinal methods, and the inadequate handling of missing data. Advancing immigrant health research in Canada will require enhanced data infrastructure, greater methodological rigor, and more transparent reporting practices to better inform evidence-based policy. This review offers researchers and policymakers a clear summary of existing methodological gaps and presents practical strategies to strengthen future longitudinal research on immigrant health in Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,332 | 0,428 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,014 | 0,023 |
| Études des sciences et des technologies | 0,008 | 0,014 |
| Communication savante | 0,015 | 0,013 |
| Science ouverte | 0,009 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».